Повышение эффективности управления функциональными резервами в условиях цифровой трансформации
Махошева С.А.1
, Галачиева С.В.2, Кушхов А.П.3, Иллизаров Д.Л.
1 Институт информатики и проблем регионального управления - филиал ФГБНУ «Федеральный научный центр «Кабардино-Балкарский научный центр Российской академии наук»
2 Северо-Кавказский горно-металлургический институт (государственный технологический университет)
3 Кабардино-Балкарский государственный университет им. Х.М. Бербекова
Скачать PDF | Загрузок: 16
Статья в журнале
Экономика Центральной Азии (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 8, Номер 4 (Октябрь-декабрь 2024)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=80548947
Аннотация:
Современные промышленные предприятия сталкиваются с необходимостью оптимизации управления ресурсами в условиях цифровой трансформации и высокой рыночной конкуренции. В данной статье рассматриваются ключевые направления повышения эффективности использования функциональных резервов, включая внедрение цифровых технологий, предиктивную аналитику и автоматизированные системы управления. Особое внимание уделено применению искусственного интеллекта, цифровых двойников и платформ управления запасами для минимизации издержек и повышения гибкости производства. Проведен сравнительный анализ эффективности различных инструментов стратегического управления ресурсами, основанный на данных исследований и практических кейсах. В результате установлено, что интеграция интеллектуальных систем в производственные и логистические процессы позволяет значительно сократить расходы и повысить точность прогнозирования. В статье также обсуждаются перспективные направления дальнейшего развития стратегий управления резервами, направленных на адаптацию к изменяющимся рыночным условиям. Полученные выводы и рекомендации могут быть использованы предприятиями для разработки более эффективных стратегий управления ресурсами.
Ключевые слова: функциональные резервы, цифровая трансформация, предиктивная аналитика, автоматизированные системы управления, цифровые двойники, оптимизация ресурсов
JEL-классификация: L80, O14, P23
Источники:
2. Братарчук Т.В., Гладышев А.Г., Лукичев К.Е., Данилькевич М.А., Комов В.Э. Разработка и внедрение цифровых двойников для оптимизации и устойчивого развития угольной промышленности России // Уголь. – 2024. – № 11(1186). – c. 108-116. – doi: 10.18796/0041-5790-2024-11-108-116.
3. Иванов Г.Н., Полоцкий Ю.И. Процессный подход в управлении качеством. , 2011.
4. Кинг У., Клипланд Д. Стратегическое планирование и хозяйственная политика. - М.: ЮНИТИ, 2012.
5. Ламбен Ж.-Ж. Стратегический маркетинг. - СПб.: Питер, 2012.
6. Никитин А. Цифровые двойники в промышленности и не только. Хабр. [Электронный ресурс]. URL: https://habr.com/ru/articles/728556/ (дата обращения: 20.01.2025).
7. Стельмах С. Цифровые двойники в промышленности: три часто задаваемых вопроса. IT Week. [Электронный ресурс]. URL: https://www.itweek.ru/digitalization/article/detail.php?ID=222611 (дата обращения: 24.02.2024).
8. Accenture. AI and Machine Learning in Enterprise Resource Planning. – Accenture Insights. - 2023
9. ARC Advisory Group. Digital Twin Market Analysis and Forecast 2025. – ARC Report. - 2023
10. Brown R., White P. Optimizing Industrial Operations with Digital Twins. – Oxford University Press. - 2021
11. Deloitte. Digital Twins in Manufacturing: Driving Efficiency through Predictive Analytics. – Deloitte Insights. - 2023
12. DHL. AI and Big Data in Logistics. – DHL Research Report. - 2023
13. Top Supply Chain Technology Trends for 2024. Gartner. [Электронный ресурс]. URL: https://www.gartner.com/en/insights/supply-chain (дата обращения: 26.02.2025).
14. The Role of Digital Twins in Industrial Optimization. General Electric. [Электронный ресурс]. URL: https://www.ge.com/digital/applications/digital-twin (дата обращения: 26.02.2025).
15. Gurtuev A., Derkach E., Makhosheva S., Ivanov Z. Bayesian approach to investment in innovation projects with the presence of fake innovators // Heliyon. – 2020. – № 11. – p. e05603. – doi: 10.1016/j.heliyon.2020.e05603.
16. Harvard Business Review. Smart Supply Chains: The Role of Digital Twins. – HBR. - 2023
17. Planning Analytics: AI-Driven Forecasting and Decision Making. Ibm. [Электронный ресурс]. URL: https://www.ibm.com/planning-analytics (дата обращения: 25.02.2025).
18. Johnson C., Lee H. Supply Chain 4.0: The Role of AI and Predictive Analytics. - Hoboken, New Jersey: Wiley, 2022.
19. Johnson K., Smith M. Advanced Simulation Strategies. - New York: Springer, 2022.
20. Lee I. Digital Supply Chain Transformation: A Framework for the Future. - United Kingdom: Routledge, 2023.
21. Lee J., Zhang T. Urban Planning and Digital Twins. - Cambridge: Cambridge University Press, 2023.
22. McKinsey & Co. The Future of Digital Twins in Logistics. – McKinsey Report. - 2023
23. McKinsey & Company. The AI-Driven Future of Manufacturing. – McKinsey Digital Report. - 2024
24. Dynamics 365 Supply Chain Management Overview. Microsoft. [Электронный ресурс]. URL: https://dynamics.microsoft.com/en-us/supply-chain-management/ (дата обращения: 26.02.2025).
25. Oracle Demand Management Cloud: AI-Powered Supply Chain Optimization. Oracle. [Электронный ресурс]. URL: https://www.oracle.com/supply-chain/demand-management/ (дата обращения: 25.02.2025).
26. PwC. Predictive Analytics in Supply Chain Optimization. – PwC Report. - 2022
27. SAP Integrated Business Planning for Supply Chain. Sap. [Электронный ресурс]. URL: https://www.sap.com/products/scm/ibp.html (дата обращения: 24.02.2025).
28. Industry 4.0 and Smart Manufacturing. Siemens. [Электронный ресурс]. URL: https://www.siemens.com/global/en/industries/digital-enterprise.html (дата обращения: 26.02.2025).
29. Simcenter: Digital Twins for Industrial Process Optimization. Siemens. [Электронный ресурс]. URL: https://www.plm.automation.siemens.com/global/en/products/simcenter/ (дата обращения: 25.02.2025).
30. World Economic Forum. The Future of Industrial Digitalization. – WEF Report. - 2024
Страница обновлена: 20.07.2025 в 05:33:34
Download PDF | Downloads: 16
Improving the efficiency of functional reserve management amidst digital transformation
Makhosheva S.A., Galachieva S.V., Kushkhov A.P., Illizarov D.L.Journal paper
Journal of Central Asia Economy (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Volume 8, Number 4 (October-December 2024)
Abstract:
Modern industrial companies face the need to optimize resource management in the context of digital transformation and fierce market competition. The article discusses key areas for improving efficiency in the use of functional reserves, including the introduction of digital technologies, predictive analytics, and automated management systems. Special attention is paid to the use of artificial intelligence, digital twins, and inventory management platforms to minimize costs and increase production flexibility. Based on research data and practical cases, a comparative analysis of the effectiveness of various strategic resource management tools is conducted. The results show that the integration of intelligent systems into production and logistics processes can significantly reduce costs and improve forecasting accuracy. The article also discusses promising areas for further development of inventory management strategies to adapt to changing market conditions. The findings and recommendations can be used by companies to develop more effective resource management strategies.
Keywords: functional reserves, digital transformation, predictive analytics, automated management system, digital twin, resource optimization
JEL-classification: L80, O14, P23